[发明专利]一种高空视频监控中小微目标的检测方法

权利要求书

1.一种高空视频监控中小微目标的检测方法，其特征在于，包括如下步骤：

(1)针对小微目标，调整和优化卷积神经网络训练时的合适的候选区生成参数，确定特定小微目标的图像长宽比参数；调整和优化卷积神经网络训练具体包括如下步骤：

(11)训练集建立：将实际使用过程中收集的场景图片进行分类，得到小目标数据图像集N张，其中N不包含随机预留的500张测试集数据；

(12)训练样本标注：对于以上数据集进行小微目标物标注；

(13)训练集中目标区域长宽比计算及保存：对步骤(12)中每一张标注图片n，分别计算目标物体的长宽比，记为r_n，得到长宽比数据序列，记为R＝{r₁，r₂,…,r_n,…，r_N}；

(14)训练集中长宽比聚类分析：对步骤(13)中序列R，采用密度峰值的聚类算法，利用几何距离作为阈值标准，将序列R聚类为3个峰值，从大到小依次记为m₀，m₁，m₂；

(15)计算并确定训练模型长宽比参数；

(16)计算训练集中所有目标物区域的面积：对步骤(12)中每一张标注图片n，分别计算出目标区域的面积s_n，得到面积序列S＝{s₁，s₂,…,s_n,…，s_N}；

(17)计算目标区域的近似正方形边长：对步骤(16)中序列集合S，逐个求解近似正方形边长集合L＝{l₁，l₂,…,l_n,…，l_N}，其中

(18)最小检测区域参数换算：对步骤(17)中序列集合L，采用密度峰值的聚类算法，利用几何距离作为阈值标准，将序列L聚类为3个峰值，从大到小记为(x，y，z)；

(19)模型训练：将步骤(14)、步骤(18)中所得参数输入卷积神经网络进行训练，迭代至网络收敛，完成目标检测模型的训练；

(2)确定特定小微目标的合理最小检测像素面积，通过摄像头定时、定位的360°自动巡检分析，实现机器智能监控值守功能。

2.如权利要求1所述的高空视频监控中小微目标的检测方法，其特征在于，步骤(15)中，计算并确定训练模型长宽比参数具体为：分别计算AspR₁＝m₂/m₁，AspR₂＝m₁/m₀，计算计算参数组(1.0/AspR,1,AspR)以供后续输入卷积神经网络训练用。